JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

基于无迹卡尔曼滤波的室内超宽带跟踪算法

杨倩 ,  王洋 ,  赵红梅 ,  崔光照

downloadPDF
杨倩, 王洋, 赵红梅, 等. 基于无迹卡尔曼滤波的室内超宽带跟踪算法[J]. 轻工学报, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
引用本文: 杨倩, 王洋, 赵红梅, 等. 基于无迹卡尔曼滤波的室内超宽带跟踪算法[J]. 轻工学报, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
shu
YANG Qian, WANG Yang, ZHAO Hong-mei and et al. UWB indoor tracking algorithm based on UKF[J]. Journal of Light Industry, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
Citation: YANG Qian, WANG Yang, ZHAO Hong-mei and et al. UWB indoor tracking algorithm based on UKF[J]. Journal of Light Industry, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
shu

基于无迹卡尔曼滤波的室内超宽带跟踪算法

  • 郑州轻工业学院 电气信息工程学院, 河南 郑州 450002

  • 基金项目: 国家自然科学基金地区联合基金项目（U1504604）；国家自然科学基金青年科学基金项目（61501252）；河南省省院科技合作项目（122106000049）；郑州市UWB实时定位系统院士工作站项目（131PYSGZ211）；郑州轻工业学院2014年度研究生科技创新基金资助项目

  • 中图分类号: TP92

UWB indoor tracking algorithm based on UKF

  • College of Electric and Information Engineering, Zhengzhou University of Light Industry, Zhengzhou 450002, China

  • Received Date: 2016-01-12
    Available Online: 2017-01-15

    CLC number: TP92

  • 摘要: 为解决移动目标在室内跟踪定位误差较大的问题，提出了一种基于无迹卡尔曼滤波（UKF）的超宽带（UWB）跟踪定位算法.该算法在定位阶段联合到达时间（TOA）与接收信号强度（RSS）两种定位算法的优势以获得较高的定位精度；在跟踪阶段，将TOA-RSS联合定位算法获得的量测值进行UKF估计，以得到移动目标的跟踪轨迹.仿真结果表明，该算法室内滤波误差与均方根误差均比同样使用TOA-RSS定位方法而采用扩展卡尔曼滤波（EKF）估计算法有一定程度的降低，跟踪定位精度有较大提高.
    Abstract: In order to solve the problem of the errors of moving target tracking in indoor positioning, the ultra wide band tracking localization algorithm was proposed based on unscented Kalman filter (UKF). In indoor positioning, a combination of TOA and RSS path loss model was used to estimate a targets position to get a higher positioning accuracy; In the tracking phase, the measured values obtained by the TOA-RSS joint localization algorithm were estimated by UKF to obtain the tracking trajectory of the moving target. The simulation results showed that the filtering error and root mean square error had a certain degree of reduction and the tracking and positioning accuracy was greatly improved when TOA-RSS joint localization algorithm was estimated by EKF.
    1. [1]

      TSUJI J,KAWAMURA H,SUZUKI K,et al.ZigBee based indoor localization with particle filter estimation[C]//2010 IEEE International Conference on Systems Man and Cybernetics,Piscataway:IEEE,2010:1115.

    2. [2]

      HEDLEY M,ZHAI Q.Wireless sensor network using hybrid TDOA/RSS tracking of uncooperative targets[C]//2014 International Symposium on Wireless Personal Multimedia Communications (WPMC),Piscataway:IEEE,2014:385.

    3. [3]

      KHAN M W,SALMAN N,KEMP A H.Enhanced hybrid positioning in wireless networks I:AoA-ToA[C]//2014 International Conference on Telecommunications and Multimedia (TEMU),Piscataway:IEEE,2014:86.

    4. [4]

      BAO X,LI J,YUEN C.A new indoor localization strategy via node cooperation and iterative detection[C]//201347th Annual Conference on Information Sciences and Systems (CISS),Piscataway:IEEE,2013:1.

    5. [5]

      陈晓海,彭舰,刘唐.基于最优信标节点的无线传感器网络质心定位算法[J].计算机应用,2015,35(1):5.

    6. [6]

      YASSIN A,JAFFAL Y,NASSER Y.On the evaluation of geometric localization using recursive maximum likelihood estimation[C]//Mediterranean Electro technical Conference (MELECON),201417th IEEE,Piscataway:IEEE,2014:357-361.

    7. [7]

      杜娟娟.无迹卡尔曼滤波在无线传感器网络节点定位中的应用[J].南京邮电大学学报(自然科学版),2013,33(1):84.

    8. [8]

      常强,侯洪涛,曾祥辉,等.GNSS合作定位研究综述[J].宇航学报,2014,35(1):13.

    9. [9]

      王沁,何杰,张前雄,等.测距误差分级的室内TOA定位算法[J].仪器仪表学报,2011,32(12):2851.

    10. [10]

      LAARAIEDH M,AVRILLON S,UGUEN B.Hybrid data fusion techniques for localization in UWB networks[C]//WPNC 20096th Workshop on Positioning,Navigation and Communication,Piscataway:IEEE,2009:51.

    11. [11]

      ALAVI B,PAHLAVAN K,ALSINDI N,et al.Using UWB measurements for statistical analysis of the ranging error in indoor multi-path environment[J].International journal of wireless and optical communications (IJWOC),2011,3(2):189.

    12. [12]

      WANG L K,HSIEH S,HUANG K,et al.Target tracking in clusters of sensor networks via handoff scheme with extended Kalman filter[C]//IIH-MSP '09 Fifth International Conference on Intelligent Information Hiding and Multimedia Signal Processing,Piscataway:IEEE,2009:446.

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  157
  • 文章访问数:  9640
  • 引证文献数: 0
文章相关
  • 收稿日期:  2016-01-12
  • 刊出日期:  2017-01-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
杨倩, 王洋, 赵红梅, 等. 基于无迹卡尔曼滤波的室内超宽带跟踪算法[J]. 轻工学报, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
引用本文: 杨倩, 王洋, 赵红梅, 等. 基于无迹卡尔曼滤波的室内超宽带跟踪算法[J]. 轻工学报, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
shu
YANG Qian, WANG Yang, ZHAO Hong-mei and et al. UWB indoor tracking algorithm based on UKF[J]. Journal of Light Industry, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
Citation: YANG Qian, WANG Yang, ZHAO Hong-mei and et al. UWB indoor tracking algorithm based on UKF[J]. Journal of Light Industry, 2017, 32(1): 82-88. doi: 10.3969/j.issn.2096-1553.2017.1.012
shu

基于无迹卡尔曼滤波的室内超宽带跟踪算法

  • 郑州轻工业学院 电气信息工程学院, 河南 郑州 450002
  • 收稿日期: 2016-01-12
  • 网络出版日期: 2017-01-15
基金项目:  国家自然科学基金地区联合基金项目（U1504604）；国家自然科学基金青年科学基金项目（61501252）；河南省省院科技合作项目（122106000049）；郑州市UWB实时定位系统院士工作站项目（131PYSGZ211）；郑州轻工业学院2014年度研究生科技创新基金资助项目

摘要: 为解决移动目标在室内跟踪定位误差较大的问题，提出了一种基于无迹卡尔曼滤波（UKF）的超宽带（UWB）跟踪定位算法.该算法在定位阶段联合到达时间（TOA）与接收信号强度（RSS）两种定位算法的优势以获得较高的定位精度；在跟踪阶段，将TOA-RSS联合定位算法获得的量测值进行UKF估计，以得到移动目标的跟踪轨迹.仿真结果表明，该算法室内滤波误差与均方根误差均比同样使用TOA-RSS定位方法而采用扩展卡尔曼滤波（EKF）估计算法有一定程度的降低，跟踪定位精度有较大提高.

English Abstract

参考文献 (12)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net